EV·자율주행·민군엑스포 동시 개최기아·KGM·볼보 등 다양한 차종 전시에이투지·SWM, 로보택시 기술 선봬 미래 모빌리티의 최신 핵심 기술을 한자리에서 둘러볼 수 있는 ‘2026 퓨처 모빌리티 위크’가 25일 서울 강남구 코엑스에서 막을 올렸다. 전기차 경쟁이 ‘얼마나 멀리 달리느냐’를 넘어 ‘얼마나 스스로 판단하느냐’로 확장되고, 인공지능(AI)이 복잡한 도로 상황을 이해·추론하는 자율주행 기술도 진화하고 있음을 볼 수 있다. 이번 행사는 전기차 전문 전시회인 ‘EV트렌드코리아 2026’과 ‘2026 자율주행모빌리티산업전(AME 2026)’, 드론과 방산 로봇 기술을 아우르는 ‘2026 무인이동체 X 민군협력 엑스포’까지 역대 최대 규모로 꾸려졌다. EV트렌드코리아에서 두드러진 변화는 전기차의 ‘외연 확대’다. 기아는 소형 전기 스포츠유틸리티차량(SUV) ‘EV3’, 패밀리 전기 SUV ‘EV5’와 함께 7인승 목적기반차량(PBV)인 ‘PV5 패신저’를 전시하며 일상과 레저, 비즈니스 등 다양한 활용성을 강조했다. 전기차의 범위는 차종뿐 아니라 동력원에서도 넓어졌다. KG모빌리티(KGM)는 도심 주행 시 최대 94%까지 전기차 모드로 주행할 수 있는 SUV ‘액티언 하이브리드’를 비롯해 리튬인산철(LFP) 배터리를 적용한 전기 SUV ‘토레스 EVX’를 선보였고, 전기차의 장점에 픽업의 적재·활용성을 더한 전기 픽업 ‘무쏘 EV’도 제시했다. 전기차 자체의 경쟁도 배터리와 주행거리만으로 설명하기 어려워지고 있다. 볼보자동차는 엔비디아·퀄컴과 공동 개발한 지능형 플랫폼 ‘휴긴 코어’를 적용해 무선 업데이트를 지원하는 플래그십 전기 세단 ‘ES90’으로 소프트웨어중심 차량(SDV) 경쟁력을 강조했다. BYD는 순수 전기 SUV ‘아토3 플러스’와 독자 플러그인 하이브리드(PHEV) 기술을 적용한 중형 SUV ‘씨라이언 6 DM-i’를 전시하는 등 경쟁 영역은 차량의 용도와 소프트웨어 경험까지로 넓어지고 있다. 올해로 3회째를 맞은 AME에선 자동차의 ‘두뇌’를 바꾸는 AI 경쟁이 두드러졌고, 피지컬 AI와 E2E(엔드투엔드) 자율주행이 핵심 기술로 떠올랐다. 오토노머스에이투지는 레벨4 자율주행 셔틀 ‘로이’와 글로벌 시장을 겨냥한 로보택시 솔루션을 공개했다. 라이드플럭스는 무인 자율주행차와 간선 물류용 화물트럭 AI 소프트웨어를, SWM은 서울 강남 도심을 실제로 달리는 로보택시 기술을 각각 선보였다. 마르코 파보네 미국 스탠퍼드대 교수 겸 엔비디아 AI 부문 시니어 디렉터는 기조연설에서 엔비디아의 추론 기반 피지컬 AI 파운데이션 모델 ‘알파마요’를 거론하며 “자율주행을 넘어 휴머노이드, 사족보행 로봇까지 폭넓게 적용될 것”이라고 강조했다. 알파마요는 광범위하고 다양한 데이터로 학습해 복잡한 상황을 추론하고 스스로 행동하도록 설계된 피지컬 AI 모델이다.

엔비디아가 삼성전자 파운드리에서 생산한 인공지능(AI) 추론 전용 칩 ‘그록3’를 본격 상용화한다. 첫 고객사까지 확보하면서 삼성전자는 첨단 공정의 가동률을 높일 추가 물량 확보의 발판을 마련했다. 엔비디아가 그래픽처리장치(GPU)에 이어 추론 전용 칩까지 제품군을 넓히면서 AI 반도체 경쟁도 학습에서 추론으로 확산하고 있다. 엔비디아는 24일(현지 시간) 그록3 칩 256개를 묶은 ‘그록3 LPX’가 양산에 들어갔다고 밝혔다. AI 클라우드 업체 네비우스가 첫 도입 고객사로, 올해 안에 데이터센터에 설치해 서비스를 시작한다. 구체적인 공급 규모는 공개하지 않았다. 그록3는 엔비디아가 지난해 기술 사용권을 확보한 미국 AI 반도체 기업 그록의 설계를 바탕으로 삼성전자가 4나노 공정에서 생산한다. 학습과 추론 등 다양한 AI 연산을 처리하는 GPU와 달리, 그록3는 학습을 마친 AI가 답변을 생성하는 추론 작업에 특화했다. 데이터를 칩 내부의 고속 S램에서 바로 불러와 AI 에이전트의 응답 지연을 줄이는 방식이다. 실제 성능 시험에서 그록3 LPX는 10만 토큰 분량의 자료를 처리하면서 초당 약 3400개의 출력 토큰을 생성했다. 가장 빠른 기존 플랫폼보다 약 4배 높은 속도다. 일반 시스템에서는 50초가 걸리는 5000개 토큰 생성도 약 1.5초 만에 마쳤다. 코딩과 검색, 도구 호출 등을 연속 수행하는 AI 에이전트 시장을 겨냥한 성능이다. 이번 양산은 삼성 파운드리의 4나노 기술이 설계 검증을 넘어 실제 고객 서비스에 투입된다는 데 의미가 있다. 후속 고객과 추가 물량을 확보하면 가동률과 매출 확대에도 보탬이 될 수 있다. 그록3는 엔비디아의 차세대 플랫폼 ‘베라 루빈’과 함께 사용해 추론 속도를 높인다. 그록3 자체에는 고대역폭메모리(HBM)가 들어가지 않지만 루빈 GPU에는 HBM4가 탑재된다. 엔비디아는 베라 루빈이 전작보다 ㎿(메가와트)당 처리량을 최대 30배 높이고 토큰 비용은 최대 35분의 1로 낮췄다고 밝혔다. 베라 루빈 보급이 늘면 삼성전자와 SK하이닉스의 HBM4 공급 기회도 커질 전망이다.

국내 연구진이 인간 의사처럼 질병을 정확하게 진단할 수 있는 인공지능(AI)을 개발했다. 고려대 전기전자공학부, 가톨릭대 의대 임상병리학과 공동 연구팀은 단순히 질병이 발생한 부위인 병변 탐지를 넘어 실제 병리과 의사처럼 단계적 추론을 거쳐 위암을 정확하게 진단하는 AI 모델 ‘AUGUST’를 개발했다고 23일 밝혔다. 이 연구 결과는 헬스케어 분야 국제 학술지 ‘npj 디지털 메디슨’에 실렸다. 디지털 병리 분야의 AI는 글자, 사진 등 다양한 형태의 데이터를 한꺼번에 학습해서 여러 가지 일을 두루 시킬 수 있는 대형 AI인 ‘다중모달 파운데이션 모델’로 진화하고 있다. 문제는 앞선 진단 결과를 바탕으로 다음 세부 진단을 이어가는 실제 의사들의 진단 추론 과정을 수행하지 못해 임상 현장 도입이 쉽지 않았다. 특히 위장관 병리 진단과 같은 복잡한 영역은 종양 유무 같은 상위 진단 결과에 따라 악성도 평가를 포함한 하위 진단이 결정되는 엄격한 의존성을 가진다. 기존 AI는 진단 작업을 개별적이고 독립된 것으로 취급해 진단의 논리적 연결성을 훼손하는 한계가 있었다. 그러나 연구팀이 개발한 AUGUST는 병리 전문의의 단계적 추론 과정을 그대로 모방하도록 설계돼 단순히 이미지만을 보고 최종 정답을 내놓는 대신 이전 진단 소견을 조건으로 해 다음 단계에 필요한 맞춤형 질문을 반복적으로 만들어 낸다. 이를 통해 병리 조직 검체 전체를 디지털 파일로 변환한 초고해상도 의료 영상 데이터인 ‘전체 슬라이드 이미지’(WSI)를 문맥에 맞게 분석하고 임상적으로 타당한 경로 내에서만 답변을 도출하도록 제한해 진단의 신뢰성을 확보했다. 연구팀은 가톨릭대 의정부성모병원에서 2014년부터 2023년까지 10년 동안 수집한 6913장의 위장관 WSI와 2만 7069개의 질의응답 쌍을 활용해 모델을 학습시켰다. 그 다음 학습 데이터를 포함해 총 2만 3000장 이상의 WSI를 대상으로 검증했다. 그 결과 AUGUST는 현재 의료 AI 분야에서 세계 최고 수준으로 꼽히는 비전-언어 모델과 다중 인스턴스 학습 알고리즘을 모두 뛰어넘는 정확도와 일관성을 보였다. 교신저자인 곽진태(사진) 고려대 교수는 “이번에 개발한 AUGUST 모델은 단순히 최종 결과만 제시하는 것을 넘어 실제 병리과 의사가 생각하는 논리적 흐름을 단계별 질의응답 형태로 보여주는 인공지능”이라며 “향후 실제 현장에서 병리 전문의들의 의사결정을 돕고 진단 정확도와 안정성을 높여주는 보조 도구로 활용될 수 있을 것”이라고 설명했다.

애피어(Appier)가 에이전틱 AI 시스템의 신뢰성을 개선하기 위한 ‘리스크 인지 의사결정 프레임워크’ 연구 성과를 공개했다고 21일 밝혔다. 애피어 AI 리서치팀은 거대언어모델(LLM)과 에이전틱 AI의 신뢰성 검증을 중심으로 연구개발 역량을 집중하고 있다. 애피어는 “답할 것인가, 거절할 것인가, 추측할 것인가? 언어모델의 리스크 인지 의사결정”이라는 제목의 논문을 통해 복합적인 위험 조건에서 LLM이 내리는 판단을 정량적으로 측정하는 평가 체계를 제안했다. 이번 연구는 고위험 비즈니스 시나리오에서 모델의 의사결정 안정성을 높일 수 있는 구조화된 방법론을 담고 있다. 해당 연구는 기업 환경에서 에이전틱 AI를 도입할 때 핵심 과제로 꼽히는 ‘자율적 AI 의사결정의 신뢰성 확보’를 다룬다. 애피어는 이를 통해 AI 기술 리더십을 더욱 공고히 하는 동시에, 에이전틱 AI 생태계 전반에도 실질적인 기술적 인사이트를 제공한다. 기업들의 AI 활용이 자율형 AI 에이전트로 진화해 가면서, 신뢰성은 도입을 결정하는 핵심 장벽으로 떠오르고 있다. 2025년 맥킨지(McKinsey) 조사에 따르면 기업의 62%가 이미 AI 에이전트 도입을 시작했지만 ‘부정확성’은 여전히 엔터프라이즈 AI 도입 시 가장 많이 언급되는 리스크다. 애피어는 AI 네이티브 AaaS(Agentic AI as a Service) 기업으로서 최첨단 연구 결과를 실제 기업 환경에서 활용할 수 있는 방법론과 제품 기능으로 구현하고 있다. 본 연구는 기업들이 AI 도입 과정에서 가장 크게 우려하는 ‘AI 환각’과 ‘의사결정 신뢰성’을 집중적으로 다룬다. 연구진은 이를 해결하기 위해 다양한 리스크 조건에서 LLM의 판단을 정량적으로 평가하는 ‘리스크 인지 의사결정(Risk-Aware Decision-Making)’ 프레임워크를 제안했으며, 이를 통해 엔터프라이즈 AI 도입에 필요한 거버넌스 기반을 더욱 강화할 수 있을 것으로 보고 있다. 기존의 LLM 평가 방식은 주로 답변의 정답 여부를 기준으로 성능을 판단해 왔다. 그러나 실제 기업 환경에서는 오답에 따른 비용과 답변 거부에 따른 가치가 확연히 다르다. 본 연구에서 애피어는 이런 판단을 정량적으로 평가할 수 있도록 정답에 대한 보상, 오답에 대한 페널티, 답변 거부 비용 등 구조화된 리스크 파라미터(매개변수)를 도입해 다양한 시나리오를 시뮬레이션했다. 이 프레임워크에서 모델은 답변을 생성하기 전 자신의 수행 능력과 확신 수준, 리스크 조건을 종합적으로 고려해 답변, 거부, 추측 중 하나를 선택하도록 설계된다. 이후 모델이 기대 보상을 얼마나 극대화했는지를 기준으로 의사결정의 질을 평가해, 실제 기업 환경에 보다 가까운 조건에서 전략적 판단 능력을 측정할 수 있다. 리스크 인지 의사결정 프레임워크를 적용한 결과, 다수의 선도적 LLM은 리스크 시나리오 전반에서 일관된 판단을 내리지 못하는 것으로 나타났다. 예를 들어 고위험 환경에서 모델들은 잠재적 손실이 있음에도 불구하고 과도하게 추측하는 경향을 보였으며, 저위험 환경에서는 지나치게 보수적으로 작동해 답변을 과하게 거부하는 경향을 보였다. 이러한 비일관성은 기업 환경에서 AI 시스템의 자율성과 안전성을 동시에 저해할 수 있다. 연구진은 이를 단순한 지식 부족이 아니라, 모델이 여러 역량을 하나의 안정적인 의사결정 전략으로 통합하는 데 어려움을 겪기 때문이라고 분석했다. 애피어는 이 문제를 해결하기 위해 의사결정 과정을 세 단계로 나누는 ‘스킬 분해’ 접근법을 제안했다. 먼저 ▲과업 실행 단계에서 문제를 해결해 초기 답변을 생성한다. 이어 ▲확신도 추정 단계에서는 해당 답변에 대한 확신 수준을 평가한다. 마지막으로 ▲기대 가치 추론 단계에서는 리스크 조건에서의 결과를 기반으로 기대값을 추론한다. 이러한 구조화된 추론 과정을 거치면 모델은 답변을 제시하는 것과 거부하는 것 중 어느 선택이 더 적절한지 판단할 수 있다. 이 접근 방식은 모델이 다양한 역량을 효과적으로 통합하도록 하며, 특히 고위험 환경에서도 보다 합리적이고 안정적인 의사결정을 가능하게 한다. 이는 신뢰할 수 있는 엔터프라이즈 AI 시스템을 구축하기 위한 실질적인 접근법으로 활용될 수 있다. 치한 위(Chih-Han Yu) 애피어 CEO 겸 공동창업자는 “에이전틱 AI가 기업의 핵심 업무에 도입되기 위해서는 AI를 더 똑똑하게 만드는 것뿐만 아니라, 자율적 의사결정의 신뢰도를 높이는 것이 중요하다”라며, “애피어는 AI를 중심으로 제품을 구축해 왔으며, 세계적 수준의 연구에도 지속적으로 투자해 왔다. LLM의 리스크 인지 능력을 수치화된 방법론으로 구현한 이번 연구는 신뢰할 수 있는 엔터프라이즈 AI의 기반을 강화하고, 에이전틱 AI가 실제 비즈니스 가치와 ROI로 연결되도록 지원할 것”이라고 말했다. 본 연구 결과는 애드(Ad) 클라우드, 개인화 클라우드, 데이터 클라우드 등 애피어의 에이전틱 AI 기반 플랫폼에 통합되어 기업들이 보다 신뢰 가능하고 안정적인 방식으로 자율형 워크플로를 고도화할 수 있도록 지원하고 있다. 애피어는 앞으로도 강력한 AI 연구 역량과 독자적인 데이터 자산, 깊이 있는 산업 전문성을 바탕으로 에이전틱 AI 기술 혁신을 지속적으로 추진하고, 기업들이 보다 효율적이고 신뢰할 수 있는 AI 기반 운영 체계를 구축할 수 있도록 지원할 계획이다.

2024년 9월 출시한 오픈AI o1 추론 모델은 인공지능(AI) 발전 역사에서 중요한 이정표다. 인간의 평균 지능을 능가하는 IQ 120 수준 기계의 등장은 과학기술 연구에도 인간과 AI의 협업과 공생이라는 새로운 질문을 던진다. 지난 2월 싱가포르의 한 스타트업은 완전 자동 연구시스템을 공개했다. 417시간 동안 기계학습 논문 166편, 2시간 30분에 한 편꼴이었고 편당 비용은 1100달러 수준이었다. 3월에는 가설 설정부터 실험 설계, 코딩을 통한 실험 수행 및 결과 분석, 최종 논문 작성까지 전 과정을 수행하는 AI의 연구 성과가 네이처에 실렸다. 구글의 AI 코사이언티스트는 막대한 양의 연구 가설을 생성하고 실험실에서는 로봇이 실험을 대신 해 준다. 몇 해 전만 해도 논문 요약과 코드 작성을 돕던 도구가 이제 연구 설계자의 자리를 넘보고 있다. 속도가 바뀌면 판이 바뀐다. 미국은 지난해 11월 맨해튼 프로젝트에 버금가는 제네시스 미션을 선언하고 17개 국립연구소의 슈퍼컴퓨터와 시설, 데이터를 하나의 플랫폼으로 묶었다. 올해 7월에는 15개 이상 부처가 참여하는 50억 달러 규모 범부처 프로젝트로 확대했다. 10년 안에 과학 생산성을 두 배로 만들겠다는 목표다. 미국과학재단은 연구자에게 데이터와 컴퓨팅을 직접 제공하고, 영국은 연구비 대신 자체 슈퍼컴퓨터 이용 시간을 지원한다. 경쟁의 축이 “더 많은 연구비”에서 “더 좋은 연구자원”으로 옮겨 간 것이다. 우리에겐 위협이자 기회다. 위협은 분명하다. AI 도입으로 논문 수와 인용 건수로 줄을 세우던 논문 평가 체계가 무력해진다. 개인 연구자에게 소액 과제를 넓게 뿌리는 방식만으로는 첨단 컴퓨팅과 실험 시설이 결합된 대형 연구자원 경쟁을 감당하기도 어렵다. 기회도 분명하다. 한국은 반도체와 이차전지, 바이오처럼 실물 데이터가 매일 쌓이는 제조·연구 현장을 가진 몇 안 되는 나라다. AI에 필요한 양질의 실험 데이터는 현장에서 나온다. 남보다 빨리 실험·검증하는 나라가 앞서는 경쟁이라면 한국에 결코 불리하지 않다. 정부의 역할도 재설계해야 한다. 첫째, 지원 단위를 개인에서 시스템으로 넓혀야 한다. 우수 연구자를 골라내는 일 못지않게 질문이 계속 창출되는 시스템에 투자하는 것도 중요하다. 데이터와 연구 장비·시설·전문 인력이 하나로 묶여야 성과가 난다. 지금 대학에 가장 부족한 부분이다. 대학 연구 기반 블록펀딩이 그 출발점이다. 둘째, 연구비를 넘어 자원을 제공해야 한다. 과학기술 AI 파운데이션 모델과 국가바이오데이터스테이션, 8496개의 GPU를 갖춘 국가 슈퍼컴 6호기 ‘한강’은 개별 연구자나 대학이 결코 살 수 없는 자산이다. 함께 쓰게 하는 편이 훨씬 효율적이다. 올해 출범한 대학의 과학기술AI연구센터와 출연연의 국가과학AI연구센터도 같은 취지다. 셋째, 평가 방식을 바꿔야 한다. AI가 문장을 대신 써 주는 시대라면 이제는 질문과 증거를 살펴봐야 한다. 무엇을 물었고, 어디까지를 AI에 맡겼으며, 어떻게 검증했는지가 측정 가능한 기록으로 남아야 한다. 책임이 사람에서 기계로 넘어가는 지점을 연구자 스스로 밝히는 문화도 만들어야 한다. AI는 논문을 읽고 계산을 대신할 수 있다. 그러나 어떤 창의적인 질문을 내고 문제를 풀 것인지, 주어진 결과를 어떻게 검증하고 결정할 것인지, 틀렸을 때 누가 책임질 것인지는 인간 연구자의 몫이다. AI 시대 R＆D 정책의 목표는 AI를 잘 쓰는 연구자를 늘리는 데 그치지 않는다. AI가 아무리 빠르고 똑똑해져도 흔들리지 않는 질문의 힘, 그 힘이 자라는 과학기술 생태계를 만든다. 김성수 과학기술정보통신부 연구개발정책실장

오케스트로 그룹이 AI 주권 확보를 위한 ‘소버린 AI 데이터센터’ 구현 방안을 제시한다. AI 인프라 소프트웨어 대표 기업 오케스트로 그룹(의장 김민준)은 오는 25일 오후 2시 ‘AI 주권 시대, 도시에서 데이터센터까지’를 주제로 온라인 웨비나를 진행한다고 13일 밝혔다. AI가 산업과 공공 부문 전반으로 빠르게 스며들면서, 자체적인 데이터와 인프라 통제력을 뜻하는 ‘AI 주권’의 가치가 날로 높아지고 있다. 특히 글로벌 AI 경쟁에서 우위를 점하려면 고성능 GPU와 데이터센터 같은 하드웨어 인프라뿐만 아니라, 이를 유기적으로 제어하고 구동할 수 있는 핵심 소프트웨어 역량이 반드시 병행되어야 한다는 목소리가 커지고 있다. 이번 웨비나에서는 박소아 오케스트로 클라우드 대표가 연사로 나서 AI 인프라 구축 과정에서 발생하는 ‘주권과 속도’의 딜레마를 짚고, 이에 대응하기 위한 ‘소버린 AI 데이터센터’ 구현 방안을 소개한다. 데이터와 인프라에 대한 통제권을 확보하면서도 산업·업무별 요구에 맞춰 유연하게 구성할 수 있는 AI 인프라 전략을 제시하고, 이를 도시 단위로 확장한 ‘천안·아산 K-AI City’ 사례도 함께 다룰 예정이다. 소버린 AI 데이터센터는 기업 맞춤형 독립 환경을 구축해, 하드웨어와 AI 모델을 독자적으로 통제할 수 있는 것이 특징이다. 산업군이나 고객의 특성에 맞춘 유연한 서비스 조합이 가능하며, 인프라부터 응용 프로그램까지 전체 운영 과정을 투명하게 모니터링할 수 있어 관리의 신뢰성을 극대화한다. 데이터센터 상면과 베어메탈, IaaS·PaaS, GPU, 마이그레이션, 재해복구(DR) 등 클라우드 인프라 서비스를 카탈로그 형태로 제공한다. 여기에 AI 추론 서비스와 국산 NPU·AI 모델, 데이터 카탈로그 및 AI 아키텍처 컨설팅까지 연계해 필요한 AI 인프라 환경을 유연하게 구성할 수 있도록 지원한다. 이와 함께 ‘천안·아산 K-AI City’ 사업 사례도 소개한다. 천안·아산 K-AI City는 천안과 아산 두 도시를 하나의 AI 운영체계로 통합하는 AI 특화 시범 도시 사업이다. 오케스트로 그룹은 AI 데이터센터를 축으로 도시 데이터와 각종 서비스를 유기적으로 연결하는 인프라 구축 비전을 제시한다. 특히 자율주행 모빌리티, 디지털 트윈, AI CCTV, 에이전틱 AI, 피지컬 AI 등 첨단 도시 서비스를 전폭적으로 뒷받침할 혁신적인 인프라 구현 방향을 공유할 예정다. 이를 통해 AI 데이터센터가 단순한 연산 자원 공급원을 넘어, 도시 전체의 데이터와 AI 서비스를 긴밀히 엮어내는 핵심 신경망으로 어떻게 진화하는지 명확히 선보일 계획이다. 웨비나는 25일 오후 2시부터 올쇼TV를 통해 온라인으로 진행된다. 참가비는 무료이며, 사전 등록 후 참여할 수 있다. 오케스트로 클라우드 박소아 대표는 “AI 주권은 데이터와 인프라를 스스로 선택하고 통제할 수 있는 역량에서 시작된다”며 “이번 웨비나에서는 소버린 AI 데이터센터 구현 전략과 이를 도시 단위 AI 인프라로 확장한 천안·아산 K-AI City 사례를 통해 AI 인프라 자립을 위한 구체적인 방향을 제시할 것”이라고 말했다.

SK하이닉스가 일본 낸드플래시 업체 키옥시아의 사실상 최대주주 지위에 올라섰다. 고대역폭메모리(HBM) 시장을 선도하는 SK하이닉스가 낸드와 기업용 솔리드스테이트드라이브(SSD)까지 사업 영역을 넓혀온 가운데, AI 메모리 사업의 다음 축에도 관심이 쏠린다. 11일 일본 전자공시시스템에 따르면 도시바가 키옥시아 지분을 추가 매각하면서 베인캐피털 산하 특수목적법인(SPC) ‘BCPE 판게이아 케이만2’가 단일 최대주주로 올라섰다. SK하이닉스는 전환사채(CB) 형태로 이 법인에 투자해 의결권을 확보할 수 있는 권리를 갖고 있다. 다만 현재 키옥시아에 직접 의결권을 행사하는 것은 아니며, CB를 주식으로 전환하려면 각국 경쟁당국의 승인 등이 필요하다. 키옥시아 투자는 SK하이닉스가 낸드 경쟁력을 보강하던 과정에서 시작됐다. SK하이닉스는 2017년 베인캐피털이 주도한 도시바메모리 인수 컨소시엄에 참여해 이듬해 3950억엔(당시 약 4조원)을 투자했다. 미국 원전 사업 손실로 도시바가 핵심 자산인 메모리 사업을 매각하자, D램에 비해 상대적으로 약했던 낸드 사업을 키울 기회로 판단한 것이다. 이후에는 낸드 사업을 직접 확대하는 데 속도를 냈다. 2020년 90억 달러를 들여 인텔의 낸드와 기업용 SSD 사업을 인수해 솔리다임을 출범시켰고, 올해는 솔리다임을 재편해 미국에 AI 솔루션 전문 회사를 세우고 최대 100억 달러를 투자하기로 했다. 모바일 중심이던 낸드 사업에 데이터센터용 SSD 경쟁력을 더한 데 이어 AI 인프라용 스토리지와 솔루션으로 범위를 넓히는 흐름이다. AI 시장이 학습에서 추론으로 확산하면서 낸드와 기업용 SSD의 중요성도 커지고 있다. AI 학습에선 GPU에 데이터를 빠르게 공급하는 HBM이 핵심이지만, 대규모 추론에는 방대한 데이터를 저장하고 불러오는 낸드가 필요하다. SK하이닉스가 키옥시아에 장기 투자하고 솔리다임을 인수한 데 이어 최근 샌디스크와 낸드 기반 HBF(고대역폭플래시) 표준 개발에 나선 것도 이런 수요에 대응하기 위해서다. 

단순한 GPU 물량 확보가 곧 기업의 AI 인프라 경쟁력으로 직결되지는 않는다. 이제는 한정된 자원 속에서 추론 효율성을 극대화하고 비용 대비 성능을 최적화하는 역량이 핵심 성공 요인으로 부상하고 있다. AI 인프라 소프트웨어 대표 기업 오케스트로 그룹(의장 김민준)은 테크 컨퍼런스 ‘OPUS 2026’에서 AI 인프라에 대한 고객의 관심이 GPU 확보에서 추론 성능과 운영 효율로 이동하고 있음을 확인했다고 7일 밝혔다. 지난 7월 28일 서울 코엑스 오디토리움에서 열린 ‘OPUS 2026’에는 공공기관, 금융사, 제조·통신 대기업, IT 서비스 기업 등의 IT 관계자 2,000명 이상이 참석했다. 행사에서는 기업과 공공기관의 AI 인프라 구축·운영 과제를 중심으로 상담과 기술 논의가 이어졌다. GPU 자원 배분과 응답 지연 개선, 복잡한 추론 환경의 효과적인 운영 방안에 대한 문의가 집중됐으며, 기존 자원을 활용해 추론 성능과 운영 안정성을 높이려는 수요가 공통적으로 나타났다. 오케스트로는 현장의 목소리를 종합한 결과, AI 인프라 경쟁력의 척도가 단순한 GPU 확보량을 넘어 실제 운영 성과로 진화하고 있다고 분석했다. 특히 처리 속도와 성능을 극대화하는 동시에, 운영 비용과 복잡성을 얼마나 효율적으로 관리하느냐가 핵심 평가 기준으로 떠올랐다는 설명이다. 이러한 흐름은 ‘OPUS 2026’ 이후 기업·공공기관 IT 종사자 1703명을 대상으로 진행한 조사에서도 확인됐다. 조사 결과, AI 인프라 또는 추론 환경을 운영할 때 가장 큰 부담으로 GPU 서버 비용(36.9%)과 AI 인프라 전문 인력 부족(36.5%)이 꼽혔다. AI 인프라 구축·운영 경험이 부족하다는 응답도 22.2%를 차지했다. AI 추론 플랫폼을 선택할 때는 추론 성능과 응답 속도(20.2%), GPU 활용률과 비용 효율(19.2%), 기존 인프라 및 클라우드 환경과의 연계성(16.7%)을 중요하게 고려하는 것으로 나타났다. 이 같은 결과는 AI 인프라 경쟁의 무게중심이 하드웨어 확보에서 소프트웨어 기반의 운영 효율화로 이동하고 있음을 보여준다. 기업과 공공기관은 보유 자원의 활용 효율과 추론 성능을 높이고 비용과 운영 안정성을 함께 관리하는 것을 주요 과제로 인식하고 있다. 오케스트로는 AI 추론 운영 플랫폼 ‘콘체르토 AI(CONCERTO A.I.)’를 통해 급증하는 AI 인프라 수요에 적극 대응하고 있다. 콘체르토 AI는 분산 서빙 기반의 추론 최적화와 실시간 자원 배분으로 응답 지연을 최소화하고, GPU 자원 효율성을 극대화한다. 오케스트로는 이번 ‘OPUS 2026’에서 파악한 현장 수요와 시장 조사 결과를 바탕으로, 기업과 공공기관이 직면한 AI 인프라 운영 과제를 성공적으로 해결해 나갈 방침이다. 김민준 오케스트로 그룹 의장은 “OPUS 2026은 금융·제조·IT 등 다양한 산업의 기업과 공공기관이 AI 인프라를 운영하며 겪는 과제와 시장의 변화를 직접 확인한 자리였다”며 “고객과 현장의 목소리를 바탕으로 한정된 자원에서도 AI 서비스의 응답 성능과 처리 효율을 높일 수 있는 해법을 지속적으로 제시해 나가겠다”고 말했다.

삼성전자가 인공지능(AI) 가속기 위에 고대역폭메모리(HBM)를 직접 쌓는 차세대 구조를 제시했다. AI 모델이 진화하면서 커질수록 연산장치와 메모리 사이의 데이터 이동이 병목으로 떠오르자, 둘 사이의 거리를 줄여 성능과 전력 효율을 끌어올리겠다는 구상이다. 삼성전자는 4일(현지시간) 미국 캘리포니아주 샌타클래라에서 개막한 ‘FMS 2026’에서 차세대 3차원 메모리 ‘zHBM’과 ‘zNAND-O’의 모형을 업계 최초로 공개했다. 약 30개 제품을 전시한 삼성전자 부스에는 관람객이 몰렸고, zHBM의 데이터 이동 방식과 향후 적용 가능성을 묻는 질문이 이어졌다. 현재 HBM은 여러 장의 D램을 쌓아 그래픽처리장치(GPU) 등으로 이뤄진 AI 가속기 옆에 둔다. zHBM은 쌓아 둔 HBM 전체를 가속기 상단에 올리는 방식으로 데이터가 오가는 거리를 최소화한다. 삼성전자는 zHBM 적용 시스템이 차세대 HBM5보다 성능은 최대 8배, 전력 효율은 최대 3배 높고 열 저항은 절반 이하로 낮아질 수 있다고 설명했다. 이는 양산품 실측치가 아닌 차세대 구조의 목표 성능이다. 김경륜 삼성전자 D램개발실 상무는 기조연설에서 “현재 HBM이 수년 안에 한계에 부딪힐 것을 모두 알고 있다”며 “이를 돌파할 기술을 생각하면 3차원밖에 없다”고 말했다. 여러 장을 쌓아 올리는 3D 전략은 낸드플래시로 이어진다. 삼성전자가 개발 중인 zNAND-O는 낸드 칩을 4단 또는 8단으로 쌓는다. D램은 처리 속도가 빠르지만 너무 비싸고 공급도 부족하다. 따라서 상대적으로 저렴하고 용량이 큰 낸드의 속도를 개선해 최대한 D램처럼 쓰도록 해보겠다는 구상이다. 이 기술은 스마트폰과 PC 안에서 AI를 구동하는 온디바이스 시장을 겨냥한다. 현재웅 삼성전자 메모리사업부 상무는 “개인마다 집 안에 미니 데이터센터를 갖게 하는 것이 우리의 비전”이라고 말했다. 삼성은 400단 이상을 쌓은 10세대 V낸드 ‘V10 BV-NAND’도 처음 공개했다. 셀과 주변 회로를 따로 만든 뒤 수직으로 붙이는 웨이퍼 본딩과 3스택 기술을 적용해 전 세대보다 집적도를 약 58% 높였다. V10 BV-NAND와 메모리 안에서 일부 연산을 처리하는 LPDDR5X-PIM은 행사 최고 제품상인 ‘베스트 오브 쇼’를 받았다. zHBM처럼 메모리와 AI 가속기를 수직으로 결합하려면 메모리 기술뿐 아니라 파운드리와 첨단 패키징 역량이 함께 필요하다. 삼성전자는 설계부터 제조·패키징까지 한 회사에서 제공하는 ‘원스톱 솔루션’을 경쟁력으로 내세웠다. 한편, SK하이닉스도 샌디스크와 고대역폭 낸드플래시(HBF) 표준을 제시하며 개방형 생태계 구축에 무게를 뒀다. 양사의 차세대 기술 경쟁은 AI가 학습을 넘어 추론 중심으로 빠르게 옮겨가면서 더욱 치열해질 전망이다. FMS에 참석한 시장조사업체 욜그룹은 삼성전자와 SK하이닉스의 투자 확대를 근거로 한국이 2031년까지 메모리 시장 선두를 유지할 것으로 내다봤다.

SK하이닉스가 샌디스크와 함께 차세대 인공지능(AI) 서버 메모리로 각광받는 고대역폭플래시(HBF)의 첫 표준 규격을 공개했다. 지난해 8월 샌디스크와 HBF 표준화 협력에 나선 데 이어 올해 2월 컨소시엄을 구성한 지 약 6개월 만에 내놓은 첫 결과물이다. SK하이닉스는 4일(현지시간) 미국 캘리포니아에서 열리는 세계 최대 규모 메모리 콘퍼런스 ‘FMS(Future of Memory and Storage) 2026’에 참가해 이번 규격을 선보였다고 밝혔다. HBF는 AI 서버에서 고대역폭메모리(HBM)와 솔리드스테이트드라이브(SSD) 사이에 놓이는 새로운 메모리 계층이다. HBM과 같이 AI의 데이터 연산 속도가 빠르면서도 낸드플래시를 기반으로 해 용량을 크게 늘릴 수 있다. 추론형 AI의 확산에 따라 처리해야 할 데이터양이 늘면서 용량이 부족한 HBM과 속도가 느린 SSD의 단점을 동시에 보완하는 차세대 메모리로 주목받고 있다. 이번에 공개된 HBF의 용량은 최대 512GB까지 지원된다. HBF와 프로세서를 연결하는 방식은 업계 표준 인터페이스인 UCIe를 채택했다. UCIe를 통해 그래픽처리장치(GPU)와 중앙처리장치(CPU) 등 서로 다른 종류의 프로세서에도 HBF를 유연하게 적용할 수 있다. SK하이닉스는 이번 표준 공개를 계기로 AI 저장장치 시장에서 HBF 채택을 확대하고 생태계 조성에 나선다는 전략이다. 중국 CXMT(창신 메모리)까지 가세하며 치열해지는 글로벌 D램 경쟁에서 우위를 점하기 위해서다. 최근 AI 추론 시장의 경쟁력이 단일 칩의 성능보다 CPU와 GPU, 메모리와 저장 장치까지 모두 아우르는 시스템 차원의 최적화가 관건이 된 점도 가세했다. ‘풀스택 기업’을 표방하는 SK하이닉스는 HBF까지 밸류체인을 넓혀 HBM과 HBF를 모두 지원할 수 있는 종합 메모리 솔루션 기업으로 입지를 공고히 하겠다는 계획이다. 업계에서는 HBF 시장이 빠르게 성장해 2030년 17조원에 육박하고, 2038년에는 HBM 시장을 앞지를 것이란 예측도 나온다. 삼성전자도 ‘FMS 2026’에 참여해 HBM, 낸드, SSD를 잇는 ‘메모리 아키텍처 혁신’을 주제로 전시한다. D램, 낸드, 컨트롤러, 파운드리, 첨단 패키징 등 종합반도체기업(IDM)의 역량을 강조하며 AI 데이터 병목을 줄이는 방안을 소개할 예정이다. 한편, 이날 시장조사업체 카운터포인트리서치에 따르면 지난 2분기 D램 매출 기준으로 삼성전자는 39% 점유율을 기록해 1위를 유지했고, SK하이닉스는 점유율 26%를 차지했다.

LG AI연구원이 국내 최대 규모인 7500억개 파라미터를 갖춘 초거대 인공지능(AI) 모델 ‘K-엑사원 2.0’을 공개했다. 모델 규모를 기존보다 3배 이상 키운 데 이어 장문 이해와 코딩, AI 에이전트의 도구 활용 능력을 높여 글로벌 프런티어 모델과의 경쟁에 나선다. LG AI연구원은 31일 과학기술정보통신부의 ‘독자 AI 파운데이션 모델 프로젝트’ 2차 모델인 K-엑사원 2.0을 오픈소스 플랫폼 허깅페이스에 공개했다고 밝혔다. 파라미터 수는 1차 모델의 2360억개에서 7500억개로 확대됐다. 모델 라이선스에는 누구나 상업적으로 활용할 수 있는 ‘아파치 2.0’을 적용했다. LG AI연구원이 9개 영역의 24개 벤치마크에서 자체 평가한 결과 K-엑사원 2.0은 평균 70.1점을 기록했다. 1차 모델의 63.3점보다 10% 이상 향상된 수준이다. 특히 코딩과 스스로 계획을 세우고 작업을 수행하는 에이전틱 코딩 관련 3개 지표의 평균 성능은 30% 높아졌다. 긴 문서의 맥락을 파악하는 능력도 강화됐다. 글로벌 장문 이해 평가인 ‘오픈AI-MRCR’에서 94.4점, 한국어 장문 평가인 ‘Ko-LongBench’에서 89.6점을 기록했다. 중국 지푸AI의 GLM-5.1이 각각 받은 71.5점과 83.6점을 웃돌았다. 장문 이해 관련 주요 지표 3개의 평균 점수도 GLM-5.1보다 10% 이상 높았다고 연구원은 설명했다. AI가 외부 도구를 적절히 선택해 사용하는 능력을 평가하는 ‘Tau3-Bench Banking’에서는 14.2점을 얻어 GLM-5.1의 11.5점과 알리바바 큐원3.5의 13.4점을 앞섰다. 사용자의 지시를 얼마나 정확하게 이행하는지를 측정하는 평가에서도 GLM-5.1과 딥시크 V4 프로 맥스, 큐원3.5 등과 대등한 성능을 나타냈다. 지원 언어는 기존 한국어·영어·스페인어·독일어·일본어·베트남어에 프랑스어·이탈리아어·포르투갈어·폴란드어를 더한 10개로 확대됐다. 국내 AI 파운데이션 모델 가운데 가장 많은 언어를 지원해 한국형 소버린 AI의 해외 확장 기반도 넓혔다는 설명이다. 한국의 사회·문화적 특수성과 글로벌 윤리 기준 준수 여부를 평가하는 안전성 시험에서도 평균 94.6점을 기록했다. GLM-5.1의 71.3점과 딥시크 V4 프로 맥스의 65.2점, 큐원3.5의 89점을 웃도는 수치다. 임우형 LG AI연구원 공동 연구원장은 “국내 연구진이 7500억개 파라미터급 모델의 설계부터 데이터·분산 학습, 추론 환경 구축까지 전 과정을 독자적으로 완수했다”며 “글로벌 프런티어 모델과 같은 체급에서 경쟁할 수 있는 역량을 확보했다”고 말했다. LG AI연구원은 다음 주 산업 특화 AI 파운데이션 모델을 추가로 공개해 ‘전문가 AI’ 포트폴리오를 확대한다. 일반 이용자가 K-엑사원 2.0의 실제 사용성을 평가할 수 있는 대국민 평가 사이트와 체험 서비스도 준비하고 있다.

중국 인공지능(AI) 스타트업 문샷AI가 최신 모델 ‘키미 K3’의 인기에 힘입어 35억 달러(약 5조원)의 투자금을 끌어모았다. 당초 목표액을 크게 웃돈 데다 중국 정부가 조성한 AI 투자기금도 참여한 것으로 알려지면서, 미국의 첨단 반도체 수출 규제 속에서도 중국 AI 기업에 대규모 자금이 몰리고 있다. 블룸버그통신은 29일(현지시간) 문샷AI가 최근 투자 라운드에서 35억 달러를 유치해 기업가치 350억 달러를 인정받았다고 보도했다. 이는 2024년 2월 당시 기업가치(25억 달러)와 비교하면 약 2년 5개월 만에 14배로 늘어난 규모다. 투자 유치액도 애초 목표로 잡았던 10억~20억 달러보다 훨씬 많은 금액이 모였다. 중국의 ‘국가 AI 산업 투자기금’도 주요 투자자로 참여한 것으로 전해졌다. 이 기금은 앞서 딥시크에도 투자했다. 문샷AI는 중국 알리바바 출신 양즈린이 2023년 설립한 회사로, 대화형 AI 서비스 ‘키미’를 운영하고 있다. 이달 공개한 키미 K3는 문서 작성과 코딩, 복잡한 추론 등에서 오픈AI와 앤트로픽의 최신 모델에 견줄 만한 성능을 보였다는 평가를 받으며 주목받았다. 고성능 AI 반도체 확보가 어려운 상황에서도 중국 기업이 기술 격차를 좁히고 있다는 점에서 시장에서는 또 다른 ‘딥시크 모멘트’라는 평가도 나온다. 문샷AI는 추가 투자와 상장 준비에도 속도를 내고 있다. 차기 투자에서는 기업가치 500억 달러를 목표로 잠재 투자자들과 접촉하고 있으며, 이르면 연내 홍콩 증시 상장을 추진할 계획이다. 상장에 앞서 기관투자가 등으로부터 자금을 받는 프리IPO 투자도 검토하고 있다. 중국 정부도 첨단기술 지원 대상을 넓히고 있다. 중국 공업정보화부가 최근 홈페이지에 공개한 통지문에 따르면, 공업정보화부 등 7개 부처는 AI와 휴머노이드, 피지컬 AI, 연산력 등을 포함한 6개 분야 24개 혁신 과제를 공개 경쟁 방식으로 선정하기로 했다. 기업 규모나 특허 수보다 실제 기술력과 사업화 가능성을 우선 평가한다는 방침이다. 국가 자금과 경쟁형 지원이 함께 확대되면서 중국 AI 기업의 기술 개발과 상용화에도 속도가 붙을 것으로 보인다.

SK텔레콤이 29일 수학·과학 추론 능력 등을 강화한 독자 인공지능(AI) 파운데이션 모델 ‘에이닷엑스 케이투(A.X K2)’를 공개했다. A.X K2는 정부의 독자 AI 파운데이션 모델 사업을 통해 공개하는 두 번째 초거대 모델이다. 직전 모델(A.X K1)에 비해 매개변수(파라미터)가 5190억개(519B) 규모에서 6880억개(688B)로 확대했다. A.X K2는 자체 개발한 ‘SGA’ 구조를 적용해 긴 문맥에서도 필요한 정보만 선별해 처리하도록 설계됐다. 국내외 14개 벤치마크 평균 성능은 K1보다 32.2%포인트 향상됐고, 장문 이해와 에이전트 관련 평가는 83.9%포인트 개선됐다. SK텔레콤은 최근 출시된 큐원, 딥시크, 키미 등 해외 오픈소스 모델과 동급 수준의 성능을 확보했다고 설명했다. SKT는 A.X K2의 활용 범위를 제조·국방·바이오 등 산업 현장으로 넓힌다는 구상이다. 제조 영역에서는 철강 제조 기업 KG스틸, 자동차 부품 제조 기업 코넥과 제조 특화 AI 에이전트에 A.X K2를 적용한다. 또 국방부와 협업해 A.X K1 기반의 양자화 모델 3가지를 개발했다. 바이오 분야로 진출도 검토 중이다. SK바이오팜과 난치성 암 표적 치료제 개발에 AI를 활용하고 있다. 일상생활 영역에서는 A.X K2 경량 모델을 SKT의 에이닷 서비스에 적용하고 있다. SKT는 A.X K2의 후속 모델을 조(兆) 단위 매개변수 규모로 확장한다는 구상이다. 김태윤 SK텔레콤 파운데이션 모델 담당은 “다양한 산업 분야에 A.X K2를 적용·발전시켜 국가 경쟁력 강화에 기여하겠다”고 밝혔다.

인공지능(AI) 인프라 소프트웨어 기업 오케스트로 그룹이 솔루션의 기획·개발부터 서비스 제공, 기술 지원까지 전 과정을 AX(인공지능 전환) 기반으로 재편하는 ‘오케스트로(OKESTRO) 4.0’ 전략을 발표했다. 김민준 오케스트로 그룹 의장은 28일 서울 코엑스에서 열린 기자간담회에서 “기업이 AI를 비즈니스 성과로 연결하려면 컴퓨팅 자원과 클라우드, 데이터, 개발·운영 체계를 유기적으로 연결하고 인프라 운영의 주도권을 확보해야 한다”고 밝혔다. 오케스트로 4.0은 ‘오케스트로 3.0’을 통해 구축한 AI 인프라 풀스택 소프트웨어에 고객 현장에서 축적한 운영 데이터를 결합했다. 고객 환경의 변화를 데이터로 이해하고, 필요한 기술과 대응 체계를 빠르게 설계·검증하는 것이 핵심이다. 이에 따라 고객은 필요한 기술의 적용 시점과 인프라 운영 방향을 주도적으로 결정할 수 있다. 김 의장은 “AI 인프라 전 영역을 아우르는 소프트웨어 기술과 구축·운영 현장에서 축적한 경험을 바탕으로 서로 다른 기술과 운영 데이터를 하나의 체계로 연결할 수 있다”고 설명했다. 나아가 장애와 환경 변화에도 안정적인 서비스 운영을 뒷받침해 서비스의 연속성을 높이고, 데이터와 정책에 기반한 판단을 지원해 의사결정의 완전성을 강화한다. 오케스트로 그룹의 AI 인프라 풀스택 소프트웨어는 서버 가상화 솔루션 ‘콘트라베이스’, 클라우드 네이티브 운영관리 플랫폼 ‘비올라’, 멀티·하이브리드 클라우드 통합 관리 플랫폼 ‘오케스트로 CMP’, 데브옵스 솔루션 ‘트럼본’, AI 추론 운영 플랫폼 ‘콘체르토 AI’, 생성형 AI 솔루션 ‘클라리넷’, 재해복구 전문 솔루션 ‘콘트라베이스 레가토’ 등으로 구성된다. 김 의장은 “AI 시대의 승자는 가장 큰 모델을 보유한 기업이 아니라 자신의 데이터를 이해하고 인프라를 통제해 비즈니스 성과를 가장 빠르게 만들어내는 기업이 될 것”이라며 “서비스의 연속성과 의사결정의 완전성을 강화해 AI 시대에 필요한 속도와 기술 주권을 제공하겠다”고 말했다.

- AI 모델·GPU 확보 넘어 인프라 운영 역량이 AI 경쟁력 좌우- ‘SCORE’로 운영 데이터 연결… ‘OKESTRO GenDev’로 SDLC 생산성 10.6배 향상- AI 인프라 소프트웨어 전반을 AX 기반으로 재편… 변화 대응 속도·기술 주권 강화 AI 인프라 소프트웨어 기업 오케스트로 그룹(의장 김민준)이 28일 서울 삼성동 코엑스 오디토리움에서 열린 ‘OPUS 2026’ 기자간담회에서 ‘OKESTRO 4.0’을 공식 발표했다. 오케스트로 그룹은 생성형 AI 도입 확대로 AI 경쟁력의 기준이 모델 성능이나 GPU 확보를 넘어 실제 서비스를 안정적으로 운영하고, 비즈니스 환경 변화에 맞춰 신속하게 확장·전환하는 인프라 소프트웨어 역량으로 이동하고 있다고 분석했다. 기업이 AI를 비즈니스 성과로 연결하려면 컴퓨팅 자원, 클라우드, 데이터, 개발·운영 체계를 유기적으로 연결하고 인프라 운영 주도권을 확보해야 한다는 설명이다. 오케스트로 그룹은 이러한 변화에 대응하기 위해 ‘OKESTRO 4.0’을 제시했다. ‘OKESTRO 4.0’은 ‘OKESTRO 3.0’을 통해 구축한 AI 인프라 풀 스택 소프트웨어에 고객 현장에서 축적한 운영 데이터를 결합해 솔루션의 기획·개발·검증부터 서비스 제공과 기술 지원까지 전 과정을 AX 기반으로 재편하는 전략이다. 고객 환경의 변화를 데이터로 이해하고, 필요한 기술과 대응 체계를 빠르게 설계·검증하는 것이 핵심이다. 이를 통해 고객은 기술 적용 시점과 인프라 운영 방향을 주도적으로 결정할 수 있게 된다. 오케스트로 그룹은 장애 및 환경 변화에도 안정적인 서비스를 유지해 연관 업무의 연속성을 높이고, 데이터 기반 의사결정을 지원하는 체계를 핵심 경쟁력으로 제시했다. 오케스트로 그룹은 AI 인프라 전 영역을 아우르는 소프트웨어 기술과 구축·운영 현장에서 축적한 경험을 바탕으로 서로 다른 기술과 운영 데이터를 하나의 체계로 연결할 수 있다는 점을 ‘OKESTRO 4.0’의 차별점으로 제시했다. 이 같은 역량을 뒷받침하는 오케스트로 그룹의 AI 인프라 풀 스택 소프트웨어는 서버 가상화 솔루션 ‘콘트라베이스(CONTRABASS)’, 클라우드 네이티브 운영 관리 플랫폼 ‘비올라(VIOLA)’, 멀티·하이브리드 클라우드 통합 관리 플랫폼 ‘오케스트로 CMP(OKESTRO CMP)’, 데브옵스 솔루션 ‘트럼본(TROMBONE)’, AI 추론 운영 플랫폼 ‘콘체르토 AI(CONCERTO A.I.)’, 생성형 AI 솔루션 ‘클라리넷(CLARINET)’, 재해 복구 전문 솔루션 ‘콘트라베이스 레가토 DR(CONTRABASS Legato DR)’ 등으로 구성된다. 이를 구현하는 핵심 체계는 온톨로지 기반 지식 그래프 ‘SCORE’와 AI 기반 기술 생성 체계 ‘OKESTRO GenDev’다. SCORE는 고객 환경의 자원과 서비스, 장애와 변경 이력, 정책과 비용 등 분산된 운영 데이터를 관계와 맥락에 따라 연결한다. 데이터의 출처와 계보까지 추적해 AI가 실제 운영 환경과 검증 가능한 근거를 바탕으로 상황을 이해하고 판단하도록 지원한다. OKESTRO GenDev는 SCORE에 축적된 고객 환경 정보와 운영 데이터를 기반으로 필요한 기술과 대응 방안을 생성·검증하는 체계다. 소프트웨어의 기획, 분석, 설계, 개발, 테스트, 배포, 유지 관리 전 과정에 AI를 적용해 각 단계의 업무 효율을 높인다. OKESTRO GenDev 적용 시 기존 소프트웨어 개발 생애 주기(SDLC) 대비 전체 생산성이 약 10.6배 향상된다는 설명이다. 오케스트로 그룹은 SCORE와 OKESTRO GenDev를 AI 인프라 소프트웨어 전반에 적용해 전 제품군을 4.0 체계로 재편할 방침이다. 이를 통해 인프라 운영을 사후 복구 중심에서 이상 징후를 예측하고 선제적으로 대응하는 방식으로 전환하고, 기술 개발과 인프라 운영 전반의 의사결정을 일관된 데이터와 정책에 기반해 지원할 계획이다. 오케스트로 그룹 김민준 의장은 “AI 시대의 승자는 가장 큰 모델을 보유한 기업이 아니라 자신의 데이터를 이해하고 인프라를 통제해 비즈니스 성과를 가장 빠르게 만들어내는 기업이 될 것”이라며 “‘OKESTRO 4.0’을 통해 솔루션 개발부터 서비스 제공과 기술 지원까지 전 과정을 AX 기반으로 전환하고, 서비스의 연속성과 의사결정의 완전성을 강화해 AI 시대에 필요한 속도와 기술 주권을 제공하겠다”고 말했다.

정부가 세계적인 반도체 기업 AMD의 중앙처리장치(CPU)·그래픽처리장치(GPU)와 국산 AI 반도체(NPU)를 결합한 ‘이기종 인공지능(AI) 컴퓨팅’ 인프라 구축에 나선다. 이기종 AI 컴퓨팅은 기능이 다른 반도체를 연결해 각각 잘하는 연산을 나눠 맡겨 성능과 전력 효율을 높이는 방식이다. 배경훈 부총리 겸 과학기술정보통신부 장관은 지난 23일(현지시간) 미국 샌프란시스코에서 열린 ‘AMD 어드밴싱 AI 2026’에서 리사 수 AMD 회장 겸 최고경영자(CEO)와 만나 ‘AI 반도체 생태계 협력에 관한 양해각서(MOU)’를 체결했다고 27일 밝혔다. AMD는 CPU와 GPU를 모두 생산하는 글로벌 반도체 기업이다. 지난해 연 매출은 346억 달러로, 이 가운데 데이터센터 사업 매출이 166억 달러에 달했다. 최근 AI 반도체 시장은 단일 GPU 중심에서 벗어나 CPU·GPU·NPU 등 서로 다른 연산장치를 서비스 특성과 비용에 맞게 결합하는 구조로 바뀌고 있다. 이번 협약은 AMD의 CPU·GPU와 AI 추론에 강점이 있는 국산 NPU를 연계해 이런 변화에 대응하기 위해 체결됐다. 정부와 AMD는 먼저 이기종 AI 컴퓨팅 인프라를 구축하고 성능 등을 검증한다. 국내 AI 반도체 기업을 비롯해 메모리와 네트워크, 서버, 소프트웨어 관련 기업이 함께 참여하는 개방형 AI 컴퓨팅 생태계도 조성할 계획이다. 배 부총리는 “국내 AI 반도체 생태계의 경쟁력을 높이고 글로벌 AI 컴퓨팅 인프라 변화에 대응하는 새로운 협력 모델을 만들어 갈 수 있을 것”이라고 말했다.

정부가 미국 반도체 기업 AMD와 중앙처리장치(CPU)·그래픽처리장치(GPU)·국산 신경망처리장치(NPU)를 하나로 묶은 ‘이기종 AI 컴퓨팅’ 인프라 구축을 위해 손을 맞잡았다. 글로벌 협력 기반을 점차 확대해 나간다는 방침이다. 과학기술정보통신부는 지난 23일(현지 시간) 미국 샌프란시스코에서 개최된 ‘AMD 어드밴싱 AI 2026’ 행사에서 리사 수(Lisa Su) AMD 회장 겸 CEO와 만나 ‘과기정통부-AMD 간 AI 반도체 생태계 협력에 관한 양해각서(MOU)’를 체결했다고 27일 밝혔다. AMD는 CPU와 GPU를 아우르는 글로벌 반도체 기업으로 개방형 인공지능(AI) 인프라 생태계 조성에도 적극 나서고 있다. 최근 글로벌 AI 반도체 시장은 생성형 AI와 에이전틱 AI가 확산하자 단일 GPU 중심의 컴퓨팅 구조에서 벗어나 CPU·GPU·NPU 등 다양한 연산장치를 서비스 특성과 비용 효율에 맞게 결합하는 이기종 컴퓨팅 아키텍처로 빠르게 전환하고 있다. 이번 협력은 AMD의 CPU·GPU와 추론 분야에 강점을 가진 NPU를 연계하는 이기종 AI 컴퓨팅 인프라를 구축하고 국내 AI 반도체 생태계의 글로벌 협력 기반을 확대하기 위해 체결됐다. 정부와 AMD는 우선 이기종 AI 컴퓨팅 인프라를 구축·실증한다. 이를 통해 AI 서비스 특성에 맞는 다양한 연산 자원을 효율적으로 활용하는 통합 컴퓨팅 환경을 구현하고 AI 반도체 기업을 비롯해 메모리, 데이터처리장치(DPU), 컴퓨트 익스프레스 링크(CXL), 네트워크, 서버, 오케스트레이션 소프트웨어 등 국내 관련 기업이 참여하는 개방형 AI 컴퓨팅 생태계를 조성할 계획이다. 아울러 국산 AI 반도체가 글로벌 AI 컴퓨팅 공급망에 참여할 수 있도록 실질적인 레퍼런스 모델도 확보할 방침이다. 양측은 또 국가과학AI연구센터(NAIS)를 중심으로 ‘AI for Science’ 공동 연구도 추진한다. AMD는 첨단 과학기술 분야의 AI 기반 연구와 도전적 연구개발(R＆D)을 지원하기 위해 CPU·GPU 등 고성능 컴퓨팅 자원과 AI 소프트웨어, 전문 인력을 제공할 예정이다. AMD는 국내에 ‘AI 우수 연구센터’(AI Center of Excellence) 설립도 추진한다. 해당 센터는 국내 기업과 대학, 연구기관 간 기술 협력은 물론 AI 반도체 소프트웨어 개발, 컴퓨팅 기술 검증, 공동 연구를 지원하는 거점 역할을 맡게 된다. 양측은 AI 인재 양성에도 협력한다. AMD는 국내 주요 대학과 대학원에 AI 컴퓨팅 플랫폼 기반 교육·연구 프로그램과 컴퓨팅 자원을 지원할 방침이다. 배경훈 부총리 겸 과기정통부 장관은 “대한민국이 AI 3대 강국으로 도약하기 위해서는 자립적이면서도 개방적인 AI 컴퓨팅 인프라 기반 확보가 중요하다”며 “AMD와의 협력을 통해 국내 AI 반도체 생태계의 경쟁력을 높이고 글로벌 AI 컴퓨팅 인프라 변화에 대응하는 새로운 협력 모델을 만들어 갈 수 있을 것”이라고 말했다.

인공지능(AI)이 사이버 공격을 돕는 도구를 넘어 스스로 공격 대상을 정하고 침투하는 단계에 들어섰다. 성능 평가 과정에서 개발자가 부여한 목표를 달성하기 위해 실제 외부 시스템에 침투한 사실이 공개되면서, 최첨단 AI의 안전성과 통제 방식을 둘러싼 논의도 새로운 국면을 맞고 있다. 오픈AI는 21일(현지시간) 자사 홈페이지를 통해 최신 모델 ‘GPT-5.6 솔’과 이보다 성능이 높은 미공개 모델이 내부 사이버 평가 도중 격리 환경을 벗어나 오픈소스 AI 플랫폼 ‘허깅페이스’의 운영 시스템에 침투했다고 밝혔다. 평가에 사용된 모델은 공격 능력을 확인하기 위해 일부 안전장치가 완화된 상태였다. 오픈AI는 이번 사안을 “최첨단 사이버 역량이 개입된 전례 없는 사고”로 규정했다. 사고는 AI를 위한 해킹 실기시험장인 ‘익스플로잇짐’을 평가하는 과정에서 발생했다. 모델은 외부 인터넷과 분리된 시험 환경에서 제로데이(아직 아무도 모르거나 고쳐지지 않은 보안 취약점)를 찾아 권한을 확대한 뒤 인터넷 연결 경로를 확보했다. 이어 평가 문제의 해답이 허깅페이스에 있을 것으로 추론하고 서버에 침투해 데이터베이스에서 답을 확보했다. 공격 대상을 정하고 침투해 목표를 달성하는 전 과정을 스스로 수행한 것이다. 오픈AI는 “모델들이 익스플로잇짐 문제를 해결하는 데 지나치게 집중한 나머지 극단적인 수단까지 동원한 것으로 보인다”고 밝혔다. 목표 달성을 위해 개발자가 설정한 통제 범위를 스스로 우회했다는 설명이다. 허깅페이스는 지난 16일 보안 사고를 공개하면서 코드 실행 취약점으로 인증 정보가 탈취됐지만 공개 모델과 이용자 정보가 유출되거나 변조된 정황은 확인되지 않았다고 밝혔다. 양사는 현재 공격 경로와 취약점을 공동 조사하고 있으며 결과도 공개할 방침이다. 클렘 들랑그 허깅페이스 최고경영자(CEO)는 “AI 안전은 어느 한 기업이 비공개로 해결할 수 있는 문제가 아니라 개방적인 협력 속에서 풀어야 한다”며 “이번 사고는 AI 안전 연구와 정보 공유의 필요성을 보여준 사례”라고 밝혔다. 안전장치를 완화한 미공개 모델이 실제 공격에 사용되면서 AI 모델의 출시 전 검증과 통제를 제도화해야 한다는 논의에 힘이 실리는 모습이다.

세계 시장 54% 차지 AI 코딩·에이전트가 주요 고객 중국 인공지능(AI) 기업의 해외 진출 방식이 달라지고 있다. 과거에는 하드웨어나 소프트웨어를 해외에 판매했다면, 이제는 AI가 답변하거나 코드를 짤 때 사용하는 기본 단위인 ‘토큰’을 상품처럼 판매하기 시작했다. 이 같은 변화는 ‘2026 세계인공지능대회’(WAIC)가 열린 상하이에서 뚜렷하게 나타났다고 지난 19일 중국 제멘신문이 전했다. 토큰은 더 이상 AI 사용량을 계산하는 단위가 아닌 가격을 매겨 해외에 판매하는 디지털 상품이 됐고, 토큰을 생산해 가격을 정하고 필요한 곳에 공급하는 업체들도 속속 등장했다. 대회 컴퓨팅 전시장에는 ‘토큰 수출’(Token Export)을 내건 영문 전용 구역까지 마련됐다. 컴퓨팅 자원을 표준화된 토큰 서비스로 만들어 해외에 공급하는 사업을 소개하는 곳이다. 현장에는 중동을 비롯한 해외 관람객들의 발길이 이어졌다. 대규모 AI 모델 개발사와 인터넷 기업이 모인 H1 전시장에도 이른바 ‘토큰 공장’을 내세운 업체들이 대거 자리 잡았다. 중국 국가데이터국에 따르면 중국의 하루 평균 AI 토큰 호출량은 2024년 초 약 1000억 개에서 2026년 3월 140조 개 이상으로 늘었다. 2년여 만에 1400배 넘게 증가한 것이다. AI 모델 중개 플랫폼 오픈라우터(OpenRouter) 자료에서도 중국 AI 모델이 전 세계 토큰 사용량에서 차지하는 비중은 54.1%로 미국 모델의 점유율 41.5%보다 훨씬 높은 것으로 나타났다. AI 코딩 분야에서는 중국 모델의 비중이 67.6%에 달했다. 토큰 공장의 주요 고객은 중국과 해외의 개인 개발자와 기업으로 가장 큰 시장은 AI 코딩 분야다. AI 코딩은 복잡하고 긴 문맥을 처리해야 해 추론 엔진의 성능이 중요하다. 일부 프로그래밍 작업에서는 이용자가 입력하는 원본 데이터만 100만 토큰을 넘기도 한다. 이 때문에 토큰 공급 업체들이 캐시와 추론 성능, 문맥 압축 기술에 공을 들이고 있다. 올해 WAIC의 주요 화두로 떠오른 AI 에이전트도 토큰 수요를 끌어올리고 있다. AI 에이전트는 여러 단계를 거쳐 하나의 작업을 처리하기 때문에 대량의 토큰을 사용한다. 일부 기업은 보안을 위해 외부와 분리된 실행 환경도 요구한다. 중국 토큰 업체의 무기는 성능과 가격이다. 중국 클라우드 컴퓨팅 기업 PPIO 관계자는 “중국산 모델과 해외 모델의 성능 차이는 줄고 있지만 가격 경쟁력은 중국 모델이 앞선다”고 말했다. 개발 인력이 풍부해 AI 모델 개발과 서비스 비용을 해외 기업보다 낮출 수 있다는 설명이다. 오픈소스 전략도 시장 확대에 힘을 보태고 있다. 딥시크와 알리바바 큐원(Qwen), 키미(Kimi), 즈푸AI, 미니맥스(MiniMax) 등 중국의 주요 AI 기업들은 자사 모델을 잇달아 개방하고 있다. 중국산 AI 반도체의 활용 범위도 넓어지고 있다. WAIC 참가 기업들에 따르면 화웨이 등 중국 기업이 개발한 AI 반도체가 모델 추론 서비스에 대규모로 투입되고 있다. 고성능 모델을 훈련할 때는 여전히 첨단 반도체 의존도가 높다. 그러나 학습을 마친 모델이 답변을 생성하는 추론 분야에서는 중국산 반도체 사용이 빠르게 늘고 있다. 그동안 중국 기업의 해외 진출은 하드웨어와 소프트웨어를 판매하는 ‘제품 수출’이 중심이었다. 그러나 이제 중국 AI 기업들은 완제품을 넘어 AI가 작동할 때마다 소비되는 토큰까지 해외에 판매하며 새로운 시장을 만들고 있다.

- 오케스트로 AI 인프라 풀스택 소프트웨어와 넷앱 데이터 오케스트레이션 역량 결합- GPU 기반 AI 추론·대규모 데이터 파이프라인·고성능 스토리지 통합 검증- Active-Active DR 기반 서비스 연속성 강화… 국내 AI·클라우드 시장 공략 AI 인프라 소프트웨어 전문 기업 오케스트로(대표 김범재, 김영광)가 지능형 데이터 인프라 기업 넷앱(NetApp)과 AI 추론 및 재해 복구(DR) 역량 강화를 위한 업무협약(MOU)을 체결했다고 22일 밝혔다. 기업의 AI 도입이 시범(파일럿) 단계를 넘어 실제 운영 단계로 진입함에 따라 안정적인 AI 추론 환경 구축의 중요성이 커지고 있다. GPU 등 연산 자원 확보는 물론 대규모 데이터를 신속히 처리·분석하고 안전하게 보호하는 데이터 인프라, 예기치 못한 장애에 대응하는 재해 복구 체계 확보가 핵심 과제로 떠올랐다. 이번 협약은 이 같은 기업용 AI 서비스 운영 과제에 대응해 오케스트로의 AI 인프라와 넷앱의 데이터 인프라를 하나의 아키텍처로 통합하기 위해 추진됐다. 양사는 오케스트로가 보유한 AI 인프라 풀스택 소프트웨어 기술에 넷앱의 데이터 오케스트레이션 및 엔터프라이즈급 재해 복구 역량을 결합해 데이터 파이프라인을 가속화하고, AI 추론 서비스 운영에 최적화된 통합 아키텍처를 공동 개발할 계획이다. 오케스트로 김범재 대표는 “AI가 실제 산업 현장으로 확산되면서 기업들은 AI 추론 성능뿐 아니라 데이터 안정성, 서비스 연속성까지 함께 확보해야 하는 과제를 안고 있다”며 “이번 협약을 통해 오케스트로의 AI 인프라 풀스택 소프트웨어 기술과 넷앱의 데이터 인프라 전문성을 결합해 기업 고객이 AI 서비스를 안정적으로 운영할 수 있는 통합 아키텍처를 구현해 나가겠다”고 말했다. 유재성 한국넷앱 대표는 “기업들은 AI 도입을 확대하고자 하지만 성능과 비용 효율성 간 균형을 맞춰야 하는 부담을 안고 있다”며 “넷앱은 AI에 최적화된 데이터 관리 역량 포트폴리오를 바탕으로 기업이 워크로드에 따라 인프라를 유연하게 구성하고 비용을 최적화할 수 있는 견고한 데이터 기반을 구축하도록 지원하고 있다”고 말했다. 이어 “오케스트로와의 협력은 기업이 엔터프라이즈 AI를 확장할 수 있도록 지원하겠다는 넷앱의 의지를 보여준다”며 “고성능 AI 워크로드를 지원하고, 거버넌스가 적용된 안전한 데이터에 즉시 접근할 수 있도록 하며, 운영 안정성과 데이터 보호를 보장하는 지능형 데이터 인프라를 통해 기업의 AI 확장을 지원할 것”이라고 덧붙였다. 오케스트로는 서버 가상화 솔루션 ‘콘트라베이스(CONTRABASS)’, 클라우드 네이티브 운영 관리 플랫폼 ‘비올라(VIOLA)’, AI 추론 운영 플랫폼 ‘콘체르토 AI(CONCERTO A.I.)’를 기반으로 AI 인프라 운영에 필요한 풀스택 소프트웨어를 제공한다. 이를 통해 AI 서비스 구현부터 인프라 운영, 추론 관리, 통합 관제까지 지원하며, 고객은 AI 서비스와 클라우드 인프라, 데이터 인프라를 하나의 운영 체계 안에서 통합 관리할 수 있다. 넷앱은 데이터 관리 역량 포트폴리오를 바탕으로 AI 데이터 파이프라인의 효율적이고 안정적인 운영을 지원한다. 오케스트로는 API 기반 연동을 통해 넷앱 스토리지의 주요 기능을 자사 플랫폼과 통합할 예정이다. 넷앱은 플랫폼 통합을 위한 테스트용 하드웨어와 전담 엔지니어링 지원을 제공한다. 이번 협약에 따라 양사는 ▲넷앱 테크놀로지 얼라이언스 프로그램(NetApp Technology Alliance Program) 기반 AI·데이터 인프라 통합 생태계 공동 개발 ▲GPU 가속 기반 AI 추론, 대규모 데이터 파이프라인, 고성능 스토리지 통합 및 복원력 검증 ▲기업용 AI·클라우드 구축을 위한 Active-Active DR 참조 아키텍처 및 운영 모델 수립 ▲국내외 시장 대상 공동 GTM(Go-to-Market) 전략 수립 등을 추진한다. 이를 통해 양사는 AI 추론 서비스 운영에 최적화된 데이터 인프라 환경을 마련하고, Active-Active 기반 재해 복구(DR) 환경 구축을 지원해 고객의 비즈니스 연속성과 데이터 안정성을 강화할 계획이다. 나아가 국내 AI·클라우드 시장의 디지털 혁신과 관련 산업 생태계 발전에 기여할 예정이다. 오케스트로는 넷앱과의 기술 연계를 기반으로 AI 인프라부터 데이터 관리, 재해 복구까지 통합 지원하는 AI 인프라 풀스택 소프트웨어 사업을 확대해 나갈 방침이다.